卡巴探测器:一种机器学习模型,用于从磁盘扩散测试中检测产生卡巴酶的肠杆菌.
Linea Katharina Muhsal1,2, Cansu Cimen1,3, Janko Sattler4,5
1Institute of Medical Microbiology and Virology, Carl von Ossietzky University Oldenburg, Oldenburg, Germany.
Nature communications
|November 14, 2025
概括
生产碳酶的肠道细菌 (CPE) 是一个全球性的健康威胁. 一个新的机器学习模型,CarbaDetector,从抗生素区域直径准确地预测CPE,比目前的方法提高了检测速度和特异性.
科学领域:
- 医学微生物学 医学微生物学
- 计算生物学 计算生物学
- 传染性疾病 传染性疾病
背景情况:
- 生产碳酶的肠细菌 (CPE) 构成了全球严重的健康威胁.
- 目前用于CPE检测的方法通常是缓慢和具有挑战性的.
- 准确和快速的检测对于有效的感染控制和治疗至关重要.
研究的目的:
- 开发和验证一种机器学习模型 (CarbaDetector),用于预测Enterobacterales中的碳酶生产.
- 将 CarbaDetector 的性能与现有的标准算法进行比较.
- 评估CarbaDetector在减少确认性测试和加快结果的时间方面的潜力.
主要方法:
- 开发一个随机森林机器学习模型 (CarbaDetector).
- 培训数据集包括385个分离物,以全基因组测序为参考.
- 在两个独立的外部数据集 (282个和518个孤立数据集) 上进行验证.
- 基于八种抗生素的抑制区直径的预测.
主要成果:
- 卡巴探测器表现出高性能:96.6%的灵敏度和84.4%的特异性在训练组.
- 外部验证显示出出色的性能:96.3%的灵敏度/86.1%的特异性 (数据集A) 和91.2%的灵敏度/87.0%的特异性 (数据集B).
- 在具体性方面,CarbaDetector显著优于EUCAST和CA-SFM算法 (在培训数据上分别为8.2%和40.1%).
结论:
- CarbaDetector 提供了一种敏感和特定的方法来预测碳酶的产生.
- 该模型以网页应用程序的形式提供,可以减少不必要的确认测试,并加快结果.
- CarbaDetector有可能提高CPE检测,特别是在资源有限的环境中.
更多相关视频
08:58Isolation and Identification of Waterborne Antibiotic-Resistant Bacteria and Molecular Characterization of their Antibiotic Resistance Genes
Published on: March 3, 2023
7.6K
06:11Author Spotlight: Advancing Rapid Detection of Respiratory Pathogens Using Microfluidic Chip
Published on: March 29, 2024
2.3K
